机器学习有望对您的业务产生深远影响

对新出现的风险显示，虽然公司继续优先考虑和资金数字举措，三分之二不仅不能兑现自己的诺言，但也揭示了“企业的弱点，引起组织看到的期望和结果之间的差距，业中的数字技术在其他领域也带来了挑战，技术表示，他们棘手的问题涉及安全威胁和数据隐私，以及缺乏具有高科技技能的人才，但炒作却在造成混乱，这是什么是机器学习以及如何在当今使用它，它的眼神清楚。

机器学习正在改变业务

但是即使随着技术的进步，公司仍在努力利用它，主要是因为他们不了解如何在战略上实现机器学习以实现业务目标，炒作无济于事，使人们对机器学习到底是什么，机器学习的效果以及它对公司的作用产生了困惑。

我们清楚地了解什么是机器学习以及如何将其今天使用，什么是机器学习？

机器学习是人工智能的子集，它使系统无需显式编程即可学习和预测结果，它通常与AI一词互换使用，因为它是迄今为止在现实世界中影响的AI技术，也是您有可能在业务中使用的AI技术，聊天机器人，产品推荐，垃圾邮件过滤器，自动驾驶汽车以及其他众多系统都利用机器学习，Siri和Cortana等“智能代理”也是如此。

机器学习不是在编写直接做出决策的算法和规则

也不是尝试使用一组规则，异常和过滤器将计算机编程为“智能的”，而是教会计算机系统通过学习大型数据集来做出决策，当基于规则的系统不得不考虑现实世界的复杂性时，它们很快就会变得脆弱，机器学习可以创建表示和概括用于训练数据的模式的模型，并且可以使用这些模型来解释和分析新信息。

机器学习适用于分类，包括识别图像和视频中的文本和对象

以及发现数据中的关联或将数据分割成群集（例如，找到客户群）的能力。机器学习还擅长预测，例如计算事件的可能性或预测结果。机器学习还可以用于生成丢失的数据；例如，使用机器学习来对您尝试使用钢笔工具绘制的多个粗笔画绘制的平滑笔画进行插值，机器学习的核心是算法，诸如回归，k-means聚类和支持向量机之类的工具已经使用了数十年，例如支持向量机使用数学方法来表示如何在属于不同类别的事物之间绘制分界线，有效使用机器学习的关键是将正确的算法与您的问题相匹配。

9个针对机器学习的IT项目

随着AI迅速成为战略性业务，寻找可以快速赢得业务并帮助您获得更广泛地应用机器学习技能的项目，机器学习正迅速成为具有远见的组织的现实。但是，对于大多数企业而言，利用机器学习技术功能的方法仍然是个谜，尽管如此要进行实验的鼓声仍然越来越大。

事实是您的竞争对手可能已经在奠定基础

今年全球人工智能系统的收入将几乎翻一番，达到125亿元，并且将以类似的速度增长，直到2020年达到460亿元，其中一些支出将用于运行机器学习系统的硬件上，即使没有预算和数据科学家从头开始构建系统，仍然有大量工具和服务可让您以实用的方式使用机器学习来帮助您的业务，这是九个IT项目，几乎所有组织都将发现它们对开始尝试机器学习技术很有用。

1.客户服务聊天机器人

如果您有一个供客户查找的常见问题列表，则可以将其转变为可以使用支持问题的聊天机器人，当然不必一定要有客户支持，您可以创建一个机器人来回答新员工有关人力资源福利或如何联系服务台的问题，从长远来看，聊天机器人将演变为更智能的代理，但是代理商不只是回答单个问题，而是创建一个“目标导向”的对话，解决客户的问题，以帮助他们解决问题，这是售票或诊断投影机无法连接的原因，虚拟代理提供解决方案建议，如果无法解决问题并了解如何解决，则将对话细节和建议提供给客户支持。

2.营销自动化和分析

市场营销通常是个尝试新技术的部门，这就是为什么市场营销服务开始提供机器学习预测的一切，从为客户推荐相关产品，显示个性化搜索结果到分类，销售线索会在交易即将结束时向您发出警告，在潜在的客户公司中寻找替代联系人，甚至建议如何以及何时与他们联系，毕竟客户流失的预测模型可以帮助您进行预测和计划。

如果您的营销团队尚未使用这些工具，那么这是将机器学习直接应用于您的底线的一种好方法

如果是这样，请找出工作原理并寻找可从类似分析中受益的其他部门，正在使用具有70个变量的深度机器学习模型来预测哪些客户可能会发生事故，从而使保险人损失超过10,000元，从而可以优化保单价格。较旧的模型不够准确，无法发挥作用，但随着预测准确性从40％提高到78％，在定位潜在客户时可能已经足够考虑。

3.欺诈检测发现欺诈性交易和异常交易是典型的数据分析问题

如果您要大规模进行，机器学习将帮助发现有问题的活动，例如诈骗者在触发限额之内进行多次付款，新商人表现出异常行为并且显然合法连接到诈骗者网络的客户，训练多个机器学习模型来发现一系列欺诈活动，而不是尝试创建一个单一模型来对每种可能的欺诈进行评分，在任何，他们保护的商人可能会面临一百种不同的欺诈方案，每种方案都有数十种变化。

机器学习不仅可以用来发现现有客户的欺诈行为

而且保险公司还希望发现新的申请人，这些申请人计划在出具保单之前就已经损坏的汽车提出索赔，而且不要仅仅考虑阻止不良交易，福特的信贷部门正在使用机器学习工具来预测特定借款人偿还贷款的可能性，以便其可以向信用评分较低的人提供贷款，随着美国汽车销量普遍下降（福特汽车本身的跌幅稍大），寻找原本会拒绝的买家可能对公司业务有很大帮助，机器学习可以帮助您更快地告诉处于风险中的好客户。

4. ERP库存计划供应链自动化并不是什么新鲜事物，但是机器学习正使其变得越来越普遍

通过机器学习，您不仅可以使用历史销售数据，还可以使用有关客户在线研究购买方式，天气对购物习惯的影响以及其他内部和外部趋势的数据，以通过预测需求来管理库存。亚马逊声称可以准确预测每天将售出多少种特定颜色和尺寸的衬衫，目标将机器学习预测模型归功于收入增长15-30％的模型。德国在线零售商使用机器学习来预测销售什么在接下来的30天里，其准确率达到90％，从而使剩余库存量减少了五分之一，并且每年降低了超过200万种产品的回报；自动购买系统每月会从第三方供应商订购200,000件商品，并选择预计销售的颜色和样式。

5.物流路线计划

该旅行商问题是计算机科学的经典的话：有什么地方您的销售团队需求之间所有的短路线去往返？无论是将销售人员吸引到潜在客户，交付给客户还是选择吸引多客户的营业地点，路线和差旅计划都会对您的业务产生重大影响，您可以使用预测性交通服务来创建等时线地图，这些地图不仅可以显示距离，还可以显示出行时间，比较工程师从各种起点到15分钟车程内可以到达多少客户，或者查找中的交货时间。（使用预览必应地图卡车 路由API，以获取比普通汽车大的商用和服务车辆的路由。）

添加资产跟踪和位置触发器，您可以创建自己的物流解决方案

您可以通过报价准确反映您的成本的费率来提高运输利润，而不是通过定价过低而损失利润，或者通过报价过高而失去业务。使用R机器学习通过将历史数据与天气，燃料成本和市场条件等变量相结合，以开发出更好的定价模型，从而降低了谨慎的估计，从而使它无法赢得运费竞标，为给定路线生成实时报价的自动化系统更加准确；该公司已经中标了4％，并有望将卡车经纪业务的规模扩大两倍，对于任何您有足够数据来建立良好模型的合同投标，相同类型的预测分析都将很有用。

6.物联网预测维护

如果您等到机器损坏修复之前，就会出现停机和客户不满的情况；如果使系统脱机以太频繁地进行维护，则会降低生产量，当开始分析其安装和维修的110万部电梯的维护记录时，发现维护窗口的时间可能要长得多，为了远程监控传感器，预测故障并抢先维修设备，它不仅可以通过在问题引起故障之前解决问题来提高客户满意度，他们通过在首次访问时解决更多问题，并能够更好地预测库存所需的备件，从而降低了成本。对生产线执行相同的操作，可以提高产量，预测性维护可以将定期维修的成本降低12％，将维护成本降低30％，并将故障多减少70％。

7.机器学习的安全性

在复杂的安全世界中，机器学习并不是万灵药，但它可以帮助您发现攻击，否则攻击可能会在正常活动触发的日志和警报中丢失。尽管名称如此，Windows Defender Advanced Threat Protection并不是防病毒软件；它是一种机器学习服务，可以分析运行Windows 10 Enterprise的网络上PC的行为，并告诉您的安全团队攻击是恶意程序，社交工程还是文档利用。您仍然需要挖掘日志并处理后果，但是机器学习安全工具可以帮助消除噪音。

8.公正地招募您

有一个不断增长的推动业务多元化，但这样你的招聘团队的话招聘信息实际上可以阻止申请人的广泛组合，该服务使用AI在职位发布和招聘电子邮件中标记公司行话，陈词滥调，俗气的刻板印象和其他令人反感的短语，以帮助您吸引更多的求职者具有类似的工具。

9.图像识别以确保生产安全

建筑工地和生产线到处都是设备，如果操作不当，将会很危险。使用摄像头和传感器，您可以使用图像和面部识别功能来检测该设备何时被不安全地使用，或者被未经过安全培训的人员所使用。日立与德国人工智能研究中心建立了深度学习系统，该系统使用可穿戴设备和眼动眼镜，Microsoft在其Build大会上使用Azure Functions，Microsoft Cognitive Services和Azure Stack演示了类似的解决方案，要构建完整的工作场所安全解决方案可能会面临挑战，但是您可以从与Thelectlect Compass等智能手机应用开始，该应用可与Intellect SEEC的机器学习一起使用风险分析员通过拍摄照片并填写详细信息，让工人标记工作场所中的危害；其他工人接近危险时会得到警告。